1장. 대체 데이터: 현황
2장. 대체 데이터의 가치
3장. 대체 데이터 위험과 도전 과제
4장. 머신러닝 기법
5장. 대체 데이터 사용 배후의 프로세스
6장. 팩터 투자
7장. 결측 데이터: 배경
8장. 결측 데이터: 사례 연구
9장. 특이치(이상치
10장. 자동차 기본 데이터
11장. 서베이와 크라우드소싱 데이터
12장. 구매자 관리 지수
13장. 인공위성 이미지와 항공 사진
14장. 위치 데이터
15장. 텍스트, 웹, 소셜 미디어 및 뉴스
16장. 투자자 관심
17장. 소비자 거래
18장. 정부, 산업과 기업데이터
19장. 시장 데이터
20장. 사모시장의 대체 데이터
추천의 글
“대체 데이터는 오늘날 투자 운용업계에서 가장 뜨거운 주제다. 글로벌 경제 성장을 실시간으로 예측하는 데 사용하든, 분기별 보고서에서 제공하는 것보다 더 세분화된 회사의 내막을 분석하는 데 사용하든, 주식 시장의 행동을 더 잘 이해하기 위해 사용하든, 대체 데이터는 자산 운용 부문의 모든 사람이 포착해야 할 사항이다. 알렉산더 데네브와 사이드 아멘은 심지어 여전히 파이썬을 피하는 것이 가장 좋은 것이라고 생각하는 사람들에게도 기술적, 이론적 함정이 많은 난해한 주제를 안내할 것이다.”
― 로빈 위글즈워스(Robin Wigglesworth/
글로벌 금융 특파원, 「파이낸셜 타임스」
“대체 데이터에 대해 시의적절하고 포괄적이며 접근하기 쉬운 토론을 만들어준 저자들에게 축하를 전한다. 우리가 21세기로 더 나아가면서, 이 책은 빠르게 이 주제에 대해 필수로 참고해야 할 연구가 될 것이다.”
― 데이비드 핸드(David Hand/
런던 임페리얼 칼리지 교수
“지난 10년 동안 대체 데이터는 일시적 정보 독점 추구의 중심이 됐다. 그러나 빈번한 사용에도 불구하고 가치를 추출하는 데 필요한 엔드 투 엔드 파이프라인에 대해서는 거의 쓰이지 않았다. 이 책은 머신러닝 방법과 데이터 소스에 대한 실용적인 개요뿐만 아니라 결과에 매핑되는 모델과 함께 데이터 수집, 준비 및 전처리에 많은 중요성을 부여해 누락 사항을 채운다. 저자들은 방법론만을 고려하는 것이 아니라 통찰력 있는 사례 연구와 실제 사례를 제공하고 비용 편익 분석의 중요성을 강조한다. 대체 데이터에서 가치를 추출하기 위해 합리적인 통찰력과 깊은 개념적 이해를 제공하고 있으며, 이들은 이러한 기술을 거래의 핵심에 성공적으로 포함시키려면 필수적이다.”
― 스티븐 로버츠(Stephen Roberts/
영국 옥스퍼드대학교 머신러닝 교수 겸 옥스퍼드-맨 계량금융연구소 소장
“진정한 투자의 초과 성과는 데이터와 머신러닝과 슈퍼컴퓨팅의 삼자로부터 나온다. 알렉산더 데네브와 사이드 아멘은
